如何解决将数据拟合到高斯分布
我一直在尝试将高斯分布到我的频谱中。 （强度v/s速度谱）
我使用以下代码将数据拟合为高斯分布。但是，从结果中可以看出，拟合中只包含一个数据点。有什么我可以做的，以便我可以在高斯中包含更多点。
from numpy import exp,linspace,random
import matplotlib.pyplot as plt
def gaussian(x,amp,cen,wid):
return amp * exp(-(x-cen)**2 / wid)
from scipy.optimize import curve_fit
x = velocity
y = data
print(x)
print(y)
init_vals = [0.00950554,60000,35] # for [amp,wid]
best_vals,covar = curve_fit(gaussian,x,y,p0=init_vals)
print(best_vals)
print(repr(covar))
ym = gaussian(x,best_vals[0],best_vals[1],best_vals[2])
fig = plt.figure()
ax = fig.add_subplot(211)
ax.plot(x,y)
ax = fig.add_subplot(212)
ax.plot(x,c='k',label='Function')
ax.plot(x,ym,c='r',label='Best fit')
plt.legend()
plt.show()
数据点：
x: [-5.99999993e+04 -4.99999993e+04 -3.99999993e+04 -2.99999993e+04
-1.99999993e+04 -9.99999934e+03 6.65010004e-04 1.00000007e+04
2.00000007e+04 3.00000007e+04 4.00000007e+04 5.00000007e+04
6.00000007e+04 7.00000007e+04 8.00000007e+04 9.00000007e+04
1.00000001e+05 1.10000001e+05 1.20000001e+05 1.30000001e+05
1.40000001e+05]
y: [ 0.00056511 -0.00098584 -0.00325616 -0.00101042 0.00168894 -0.00097406
-0.00134408 0.00128847 -0.00111633 -0.00151621 0.00299326 0.00916455
0.00960554 0.00317363 0.00311124 -0.00080881 0.00215932 0.00596419
-0.00192256 -0.00190138 -0.00013216]
这些是光谱的数据点。任何人都可以帮助我更好地拟合数据。我一直在尽我所能。
非常感谢。
解决方法
第一步总是绘制数据，您已经这样做了。接下来是猜测初始值。如果与情节相比，amp 和 cen 的那些看起来很合理。但是wid呢？它是 SQUARED 分布宽度的 2 倍。从情节来看，宽度本身必须是几千的 odrer。如果平方，可能会达到10^7，乘以2得到2*10^7作为初始值。离你的 35 岁还很远！
一种可能的解决方案：
放大器 = 0.0106283
岑 = 55784
wid = 1.92911e+08
剧情：
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。